Langgraph-Mcp-Agents：一个集成MCP基于LangGraph的AI智能体系统

Langgraph-MCP-Agents是什么？

Langgraph-Mcp-Agents是一个基于LangGraph的ai智能体系统，通过集成MCP，让Ai助手能够轻松访问各类数据源和API。系统配备了Streamlit网页界面，方便用户与LangGraph和MCP工具进行交互。用户可以通过界面动态添加、删除或配置MCP工具，无需重启应用，且支持Smithery JSON格式。此外，系统还支持流式响应，用户可以实时查看智能体的响应和工具调用情况。

Langgraph-Mcp-Agents功能

• 解耦任务逻辑与工具实现：开发者可独立扩展工具库而不影响智能体核心。

• 支持长期上下文：通过 LangGraph 的持久性功能，实现跨会话的任务连续性。
  

• 多代理协作：支持构建多代理系统，不同代理可以分工协作完成复杂任务。

• 动态配置和部署：通过 Streamlit 界面动态配置和部署 AI Agent。

• 工具集成：可以轻松接入多种数据源和外部工具。

• 状态管理：在工作流的各个步骤中管理状态。

• 灵活部署：支持单机与多服务器部署，适应不同规模的应用需求。
  

技术架构与核心组件

LangGraph 框架

LangGraph 是 LangChain 的扩展库，专注于构建 有状态、多角色 的智能体工作流。

• 状态管理：通过 StateGraph 维护对话上下文，支持长期记忆和任务连续性。

• 动态流程控制：支持循环、分支和条件逻辑，适用于需要自我修正或迭代的任务（如代码生成）。

• 多工具集成：通过 langchain-mcp-adapters 将 MCP 工具转换为 LangChain 工具，实现与外部服务（如搜索、数据库）的交互。

MCP 协议

MCP 是一种开放标准，定义了模型与外部工具的交互协议。

• 松耦合设计：允许 AI 动态发现和调用工具，提升灵活性。

• 多服务器支持：通过 MultiServerMCPClient 连接多个 MCP 服务器，扩展工具调用能力。

使用场景

复杂任务处理

• 多步骤工作流：例如数据分析任务中，LangGraph 可协调数据获取、清洗、可视化等步骤，MCP 工具则提供具体执行能力（如调用 Python 库或数据库查询）。

• 跨系统协作：通过 MCP 连接 GitHub、Slack 等服务，实现跨平台信息整合。

智能体协作

• 角色分工：不同智能体可专注于特定任务（如代码生成、图表绘制），通过 MCP 共享中间结果。

• 动态决策：LangGraph 的状态图支持根据任务进展调整执行路径，例如在代码生成失败时触发调试流程。

开发效率提升

• 工具即服务：MCP 将工具封装为标准化接口，开发者无需修改智能体核心逻辑即可扩展功能。

• 异步支持：async_tool_executor 处理同步与异步工具调用（如生成代码与实时搜索），优化执行效率。

项目实现

• 客户端-服务器架构：MCP 使用客户端-服务器模型，LangGraph 作为客户端连接到 MCP 服务器。

• 工具节点集成：将 MCP 服务器中的工具转换为 LangGraph 的工具节点。

• 多服务器支持：支持连接到多个 MCP 服务器，灵活使用不同服务器上的工具。